python - NumPy:如何过滤矩阵行

Question

我是 numpy 的新手，在尝试过滤样本子集时遇到问题。

我有一个形状为 (1000, 12) 的矩阵。也就是说，一千个样本，每个样本有 12 个数据列。我愿意创建两个矩阵，一个包含样本中的所有异常值，另一个包含所有非异常值的元素；生成的矩阵应具有以下形状:

norm.shape     = (883, 12)
outliers.shape = (117, 12)

为了识别异常值，我使用了以下条件:

cond_out  = (dados[0:,RD_EVAL] > _max_rd) | (dados[0:,DUT_EVAL] > _max_dut)

也就是说，对于矩阵中的每一行，我都在寻找两列的值。如果其中之一高于某个阈值，则该线被视为异常值。关键是，此条件的形状为 (1000,)，因此当我压缩原始矩阵时，我得到了 (117,) 结果。我如何过滤矩阵，使结果为 (117,12)，即一个矩阵，其中所有行都是离群值，但每行中包含所有数据列？

Answer 1

import numpy as np

d=np.random.randn(4,4)

array([[ 1.16968447, -0.07650322, -0.30519481, -2.09278839],
       [ 0.53350868, -0.8004209 ,  0.38477468,  1.31876924],
       [ 0.06461366,  0.82204993,  0.42034665,  0.30473843],
       [ 1.13469745, -1.47969242,  2.36338208, -0.33700972]])

让我们过滤掉第二列中所有小于零的行:

d[:,1]<0
array([ True,  True, False,  True], dtype=bool)

你看，你得到了一个逻辑数组，你可以用它来选择所需的行:

d[d[:,1]<0,:]

array([[ 1.16968447, -0.07650322, -0.30519481, -2.09278839],
       [ 0.53350868, -0.8004209 ,  0.38477468,  1.31876924],
       [ 1.13469745, -1.47969242,  2.36338208, -0.33700972]])